基于LoRa的智慧农田土壤环境监测系统研究

在信息化全面到来的时代背景下,农业生产正向着规模化、智慧化、信息化的方向发展。以西南山区特色农产品生产为研究背景,针对农田管理和农作物生长监测问题展开研究,将现代信息处理技术、传感器技术与试验田环境因素相结合,设计一种基于LoRa无线通讯技术的智慧农田土壤环境监测系统。通过对试验田土壤温湿度、土壤pH值、土壤氮磷钾浓度、电导率和光照强度等土壤环境数据进行采集、存储、处理和分析,可实现数据远程共享、土壤参数预警、辅助决策等智慧服务功能。该环境检测系统为农作物在不同阶段的生长情况提供数据支撑,进而改良试验田的土壤环境。

具有稚虫迁徙机制的S型自适应混沌蜉蝣算法

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logistic混沌映射产生蜉蝣种群,增加算法初期种群的多样性;随后,将蜉蝣生命周期进行数学建模,并引入S型生命系数替换原有的重力惯性系数,动态调整算法探索能力和开发能力间的平衡性;最后,根据蜉蝣在缺氧环境下的种群活动,引入稚虫迁徙机制强化子代优秀个体摆脱局部最优的能力,进而更加充分地搜索最优解附近的区域,以增强算法的收敛精度。实验部分将S-AMA应用于标准函数测试集,并分别进行优化对比实验、Wilcoxon秩和检验。结果表明:与对比算法相比,S-AMA算法具有更好的寻优能力、收敛速度及鲁棒性。

融合学习机制的多混沌麻雀搜索算法

针对麻雀搜索算法(SSA)易受初始解的影响陷入局部极值、迭代后期收敛速度慢等缺陷,提出了一种融合学习机制的多混沌麻雀搜索算法(MMCSSA)。首先,引入重心反向学习策略(COBL)生成精英种群增强对多源优质搜索区域的勘探能力,提升算法的局部极值逃逸能力和收敛性能。其次,提出一种动态调整的黄金正弦领导策略并嵌入SSA中以改善发现者的搜索方式,增强算法的全局搜索能力。然后,提出一种基于学习机制的多混沌映射策略,该机制利用多混沌多扰动模式的特性,通过动态调用不同混沌映射赋予算法不同类别的扰动特征。混沌扰动失败时,引入高斯变异策略对当前解进行深度开发,两种策略协同作用,相互促进,极大增强了算法逃逸局部最优的能力。最后,将所提算法应用于12个不同特征的基准函数进行实验,结果表明与其他算法相比,MMCSSA在收敛精度、寻优速度和鲁棒性方面有更好的表现。

新型精密LVDT仿真分析

影响线性可变差动变压器式位移传感器(LVDT)灵敏度和线性度的关键因素是其轴向磁场的强度和分布。针对新型精密LVDT的要求,传感器次级线圈采用多段阶梯绕线结构,以加强传感器两端区域磁场强度,使其轴向磁场分布趋于均匀。建立了改进后的LVDT结构模型,利用Maxwell 2D有限元软件分别对LVDT模型的静态磁场和瞬态场进行了仿真分析,得出了相应的关系曲线。结果表明,次级线圈采用多段阶梯结构能够提高传感器的灵敏度和线性度,并且与传统分析方法比较直观性、可视性更好。

西藏自治区首次发现螟黄赤眼蜂

为发掘西藏地区本土的赤眼蜂资源,本研究利用灭活米蛾卵卡在西藏林芝嘎玛地区的梨园采集到一个赤眼蜂种群。采用ITS2序列比对鉴定所采集的赤眼蜂种类,并测定该蜂的生物学指标。结果表明:西藏林芝嘎玛地区所诱集的赤眼蜂鉴定为螟黄赤眼蜂Trichogramma chilonis Ishii,羽化率为80%,雌性比为57.14%,耐饥饿时间为1.08 d,后足径节长度为157.6μm。本研究将为发掘西藏地区赤眼蜂资源提供参考,并为利用赤眼蜂在西藏自治区开展生物防治实践奠定基础。

视线线索和箭头线索引起不同的线索效应

他人的视线或者箭头等线索能够自动地转移观察者注意到线索所指向的位置或物体上。很多研究试图比较视线线索和箭头线索在转移注意时的不同,但最终的结论仍然存在争议。当前研究采用混合呈现不同线索类型的方式进行实验,发现视线线索引起了比箭头线索更强的线索效应。并且这一现象只在相对较长的SOA情况下出现。这一发现说明视线线索和箭头线索在注意转移系统的自上而下高层认知处理阶段被区别对待,视线线索是比箭头线索更有效的线索。

浅析中国传统榫卯建筑结构对现代设计的启示

榫卯结构的出现是中国人在造物过程中的体现的大智慧,在它令人惊叹的技术背后,蕴藏着更丰富的结构与和谐之美,是一种超乎寻常的技术与艺术的完美结合,这正是现代设计思想的演绎,通过对榫卯结构的更进一步认识,我们可以得到很多引人思考的启示。

改进的自适应遗传算法在函数优化中的应用

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值、搜索效率低、不稳定等缺点,提出一种改进的自适应遗传算法。该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值,从而能更好地产生新的个体摆脱局部极值搜索到全局最优解,并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明,与现存其他算法相比,改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度和稳定性等方面都有了较大的改进和提高。

粒子群优化算法在关联规则挖掘中的研究综述

关联规则挖掘是数据挖掘中的重要领域,考虑到当前数据的大规模、高维度、模态多样及类型复杂等特性,传统关联规则挖掘算法已无法适应大数据的需求,粒子群优化算法作为一种高效的智能优化算法,为其提供了一种全新的解决方案,近年来被广泛应用于该领域。首先对粒子群优化算法的基本原理及关联规则的基本概念进行了详细介绍,回顾了粒子群优化算法的研究进展,分析了粒子群优化算法在关联规则挖掘中的研究,包括常用的数据转换方法、编码方式及评估指标,并与其他在关联规则挖掘中被广泛应用的算法进行了对比,总结了各自的优缺点及适用场景。然后对已有改进方法进行了较为系统的分类,即分为基于参数、基于变异机制和混合其他算法的改进。接着梳理归纳了粒子群优化算法在关联规则挖掘中的应用领域,阐述了该算法在购物篮、金融、医疗、工业生产及风险评估领域中的应用优势。最后在介绍这一领域的最新研究进展的基础上,通过对现存问题进行分析,讨论了进一步的研究方向。

模糊自适应并行遗传算法在函数优化中的应用

针对传统遗传算法易陷入局部收敛、收敛精度不高等问题,提出一种改进的并行遗传算法.该算法首先提出一种改进的并行机制,该机制的思想是根据种群维持最优解不变的代数来计算种群更换进化策略的概率,并根据种群进化程度及个体差异性进行模糊推理以获得种群所需要的进化策略,从而能更好地摆脱局部极值并搜索到全局最优值.其次,提出了改进的算法初始化方法,适应度变换方法及竞争策略来调节算法的收敛速度和群体多样性之间的平衡.最后,基于鲍德温进化理论提出了一种新的局部搜索策略来加强算法的局部寻优能力.对测试函数的优化结果分析表明,与其他几种并行遗传算法相比,该算法在收敛速度、收敛精度和稳定性等方面有较大的改进和提高.

遗传算法解柔性作业车间调度问题应用综述

柔性作业车间调度问题是典型的NP难问题,对实际生产应用具有指导作用。近年来,随着遗传算法的发展,利用遗传算法来解决柔性作业车间调度问题的思想和方法层出不穷。为了促进遗传算法求解柔性作业车间调度问题的进一步发展,阐述了柔性作业车间调度问题的研究理论,对已有改进方法进行了分类,通过对现存问题的分析,探讨了未来的发展方向。

天牛须搜索与遗传的混合算法

天牛须搜索算法(BAS)具有搜索快和执行简单的特点,但在多峰复杂函数优化中易陷入局部极值.遗传算法(GA)的全局搜索能力强,但收敛速度缓慢,收敛精度不高.针对二者的优缺点,本文提出天牛须搜索与遗传进化混合的优化算法.首先,在BAS算法中设计多方向探索反馈策略来增加算法的搜索能力,并将其嵌入到GA算法中,加快GA的全局收敛速度,然后在GA算法中采用扩展的多子代竞争交叉和自适应调整参数的方式来维持种群的多样性,避免了局部极值问题,进一步提高了算法的寻优性能.对测试函数的优化结果分析表明,与其它几种混合算法相比,该混合算法具有更高的收敛精度和优化性能,并且在复杂函数中有更好的普适性.

基于视觉显著性的均值漂移跟踪算法

为解决突变运动下的目标跟踪问题,提出了一种基于视觉显著性的均值漂移跟踪算法,将视觉注意机制运用到均值漂移跟踪框架中,利用时空显著性算法对视频序列进行检测,生成视觉显著图,从视觉显著图对应的显著性区域中建立目标的颜色特征表示模型来实现运动目标跟踪。实验结果表明:该算法在摄像机摇晃等动态场景下可以较准确检测出时空均显著的目标,有效克服了在运动目标发生丢失和遮挡等情况下跟踪不稳定的问题,具有较强的鲁棒性,从而实现复杂场景下目标较准确的跟踪。

最优权动态控制学习机制的多种群遗传算法

遗传算法(GA)的全局搜索能力强,易于操作,但收敛速度慢,易陷入局部极值。为克服上述缺陷,首先对算法初始化方法进行改进,采用海明距离作为聚类划分的相似性度量提出了一种均匀分区多种群初始化方法。该方法以相似性度量为准则划分出不同集合的聚类中心点,然后以偏好随机的方式产生多个不同的种群,避免算法因种群初始个体在解空间分布不够均匀而陷入局部收敛。其次在遗传算法中引入多种群并行机制和学习机制来提高算法的性能,通过对已有研究中两种机制在遗传算法中的作用进行分析,指出各自的优势和不足,分别对两种机制进行改进,提出改进的多种群并行机制与最优权动态控制的学习机制,并从理论角度探讨了改进的两种机制的合理性。最后,将两种机制有机结合起来,充分发挥两种机制的优点,抑制各自的不足之处。仿真实验结果表明,算法中经过改进的两种机制具有良好的沟通能力,结合新的初始化方法,使得算法在收敛速度和精度上都要优于其他几种已有的改进算法。

融合吸引排斥和双向学习的改进粒子群算法

针对粒子群算法在计算时存在收敛速度慢、易陷入局部收敛等缺陷,提出了一种融合吸引排斥和双向学习的改进粒子群算法来提高算法的寻优能力。双向学习策略扩大了粒子的搜索范围、丰富了种群多样性;在吸引-排斥策略中,粒子能够分别被全局最优粒子和全局最差粒子所引导进而朝着更优的方向进化,提高了算法的局部寻优性能和收敛能力。同时,在双向学习策略中,为了克服单一性的学习因子和惯性权重在优化复杂函数时无法很好地调节寻优进程的问题,提出了双重自适应策略,更好地平衡群体中粒子的搜索行为。最后利用标准测试函数对该算法进行仿真验证,并与其他两种改进的算法对比。实验结果表明,在相同的实验条件下,改进后的粒子群算法在寻优能力和收敛速度方面具有明显优势。

改进加权Slope one协同过滤推荐算法研究

协同过滤推荐是最成功的推荐技术之一,但数据稀疏性问题导致推荐准确度和推荐效率不高。针对这个问题,提出了一种改进的加权Slope one协同过滤推荐算法。计算用户之间的评分相似度,找出每个用户的最近邻;根据最近邻用户评分,使用基于用户的协同过滤和改进的加权Slope one算法的加权评分预测目标用户的未评分项目;给出推荐。实验过程中采用Movie Lens数据集作为测试数据。实验结果表明:与原算法相比,算法提高了预测准确度,有效提高了推荐性能。

基于多模板的鲁棒运动目标跟踪方法

针对目前模型更新方法仅依赖于上一帧或最近帧定位到的目标信息,跟踪的历史信息未充分利用的问题,运用历史跟踪结果设计了多模板模型更新策略,并基于该更新模型结合卷积网络提出了一种新的运动目标跟踪方法。在运动目标跟踪测试视频集VOT2015下与目前热点运动目标跟踪方法对比实验表明:方法对于遮挡现象和目标自身形变具有较强的鲁棒性和较高的准确性。

立式加工中心整机热特性有限元分析

以高速CX系列立式车铣复合加工中心CX110100为研究对象,在SolidWorks中建立其三维实体模型,虚拟装配并进行简化处理,然后导入ANSYS Workbench中建立其接近于实际工况的三维有限元模型并设置接触面。分析计算整机各热源,确定热边界条件,而后加载至有限元模型进行整机热特性分析,并在求出的稳态温度场基础上进行热—结构耦合分析,计算出加工中心各部件在正常工作条件下的热变形,找出热变形规律,为进一步进行实验数据采集和热变形补偿提供理论依据。

用于游戏NPC路径规划的改进遗传算法

针对游戏非玩家控制(NPC)路径规划中传统遗传算法计算速度慢、正确率低等问题,设计了改进型遗传算法。提出了最佳种群规模估计方法,设计了基于精英主义思想的遗传算子。根据游戏地图的特点,引入了基于启发式深度优先搜索的变异操作。与传统遗传算法以及其他学者的改进算法进行了对比实验。实验结果表明:算法能够在保证正确率的前提下,提高计算速度,并且在多目标的环境下同样适用。

无非法解遗传算法求解柔性作业车间调度问题

针对现有遗传算法在解决柔性作业车间调度问题中易产生非法解且运行时间长等缺陷,提出了一种求解该问题的改进遗传算法。本算法优化了初始解的产生机制,使用了随机联赛选择和精英选择相结合的选择策略,加快了算法的收敛速度,同时设计了一种新的基于机器的两点交叉和基于工序的单点变异操作,完全避免了算法运行过程中由于生成非法解而引起的染色体的修复和重建过程,减少了算法的运行时间。仿真结果表明,改进后的算法具有寻优能力强,运行时间短等优点。